AI Agent

Multi-Agent Object Detection Framework Based on Raspberry Pi YOLO Detector and Slack-Ollama Natural Language Interface

基于Raspberry Pi YOLO检测器和Slack-Ollama自然语言接口的多智能体目标检测框架

Vladimir Kalušev, Branko Brkljač, Milan Brkljač

机构 * The Institute for Artificial Intelligence Research（人工智能研究机构） ； Development of Serbia（塞尔维亚发展） ； Department of Power, Electronic and Telecommunication Engineering（电力、电子与电信工程系） ； Faculty of Technical Sciences, University of Novi Sad（技术科学学院，诺维萨德大学） ； Faculty of Finance, Banking and Auditing, Alfa BK University（金融、银行与审计学院，阿尔法BK大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)；autonomous agent(abstract)

AI总结 本文提出了一种基于边缘计算的多智能体目标检测系统，利用LLM自然语言接口实现系统控制与通信，并在资源受限硬件平台上集成所有组件。

Comments 19 pages, 7 figures, 2 tables, implementation code will be made available upon manuscript publication

Beyond Arrow's Impossibility: Fairness as an Emergent Property of Multi-Agent Collaboration

超越阿罗不可能定理：公平性作为多智能体协作的涌现属性

Sayan Kumar Chaki, Antoine Gourru, Julien Velcin

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文探讨多智能体协作中公平性的涌现特性，通过医院急诊框架实验发现，智能体间的互动能产生比单一模型更公平的分配结果，揭示了公平性作为系统属性而非个体属性的机制。

AMA: Adaptive Memory via Multi-Agent Collaboration

AMA：通过多智能体协作实现自适应记忆

Weiquan Huang, Zixuan Wang, Hehai Lin, Sudong Wang, Bo Xu, Qian Li, Beier Zhu, Linyi Yang, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Shandong University（山东大学） ； Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI

AI总结 本文提出AMA框架，通过多智能体协作实现自适应记忆管理，解决传统方法在记忆粒度和一致性维护上的不足，实验表明其在长上下文任务中表现优异，减少约80%的token消耗。

Comments 8 pages

AgentForge: Execution-Grounded Multi-Agent LLM Framework for Autonomous Software Engineering

AgentForge: 基于执行的多智能体LLM框架用于自主软件工程

Rajesh Kumar, Waqar Ali, Junaid Ahmed, Najma Imtiaz Ali, Shaban Usman

机构 * International Research Center for Complexity Sciences（复杂科学国际研究中心） ； Hangzhou International Innovation Institute（杭州国际创新研究院） ； Beihang University（北京航空航天大学） ； College of Science, Mathematics and Technology（科学、数学与技术学院） ； Wenzhou-Kean University（温州-凯恩大学） ； Fakulti Teknologi Maklumat dan Komunikasi（信息技术与通信学院） ； Universiti Teknikal Malaysia Melaka（马来西亚Melaka理工大学） ； Computer Systems Engineering Department（计算机系统工程系） ； Sukkur IBA University（苏库尔IBA大学） ； University of Electronic Science and Technology of China（电子科学与技术大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.SE

AI总结 AgentForge通过引入执行验证原则，提升代码正确性验证，实现40.0%的SWE-BENCH Lite解决率，优于单智能体基线。

H-AdminSim: A Multi-Agent Simulator for Realistic Hospital Administrative Workflows with FHIR Integration

H-AdminSim：一种用于真实医院行政工作流的多智能体模拟器，集成FHIR

Jun-Min Lee, Meong Hi Son, Edward Choi

机构 * KAIST（韩国科学技术院） ； Samsung Medical Center（三星医疗中心） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 H-AdminSim通过结合真实数据生成与多智能体模拟，系统评估LLM在医院行政工作流中的表现，利用FHIR实现跨异构环境的标准化测试平台。

Comments Accepted at CHIL 2026

Beyond Conservative Automated Driving in Multi-Agent Scenarios via Coupled Model Predictive Control and Deep Reinforcement Learning

通过耦合模型预测控制和深度强化学习实现多智能体场景下的非保守自动驾驶

Saeed Rahmani, Gözde Körpe, Zhenlin, Xu, Bruno Brito, Simeon Craig Calvert, Bart van Arem

机构 * TU Delft, Faculty of Civil Engineering and Geosciences, Department of Transport and Planning（代尔夫特理工大学，土木工程与地质科学学院，交通与规划系） ； NVIDIA 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 本文提出结合MPC与RL的框架，提升多智能体场景下的导航性能，实验表明MPC-RL在碰撞率和成功率上优于传统方法，且在零样本迁移中表现更优，展示了MPC对跨场景鲁棒性的贡献。

Comments This work has been submitted to the IEEE for possible publication

WebMAC: A Multi-Agent Collaborative Framework for Scenario Testing of Web Systems

WebMAC: 一种用于Web系统场景测试的多智能体协作框架

Zhenyu Wan, Gong Chen, Qing Huang, Xiaoyuan Xie

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

AI总结 本文提出WebMAC框架，通过多智能体协作完成测试场景描述和转换，提升测试脚本执行成功率和效率，减少token消耗，并有效发现更多Web系统错误。

Debate to Align: Reliable Entity Alignment through Two-Stage Multi-Agent Debate

辩论以对齐：通过双阶段多智能体辩论实现可靠的实体对齐

Cunda Wang, Ziying Ma, Po Hu, Weihua Wang, Feilong Bao

机构 * Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning, Central China Normal University, Wuhan, China（湖北人工智能与智能学习省级重点实验室，中央财经大学，武汉，中国） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机科学学院，武汉，中国） ； National Language Resources Monitoring and Research Center for Network Media, Central China Normal University, Wuhan, China（网络媒体语言资源监测与研究中心，中央财经大学，武汉，中国） ； College of Computer Science, Inner Mongolia University, Hohhot, China（内蒙古大学计算机学院，呼和浩特，中国） ； National and Local Joint Engineering Research Center of Intelligent Information Processing Technology for Mongolian, Inner Mongolia University, Hohhot, China（蒙古语智能信息处理技术国家与地方联合工程研究中心，内蒙古大学，呼和浩特，中国） ； Inner Mongolia Key Laboratory of Multilingual Artificial Intelligence Technology, Inner Mongolia University, Hohhot, China（内蒙古多语言人工智能技术重点实验室，内蒙古大学，呼和浩特，中国） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL

AI总结 本文提出AgentEA框架，通过双阶段多角色辩论机制提升实体对齐的可靠性，实验表明其在跨语言、稀疏、大规模和异构场景下均有效。

Learning Probabilistic Responsibility Allocations for Multi-Agent Interactions

多智能体交互中的概率责任分配学习

Isaac Remy, Caleb Chang, Karen Leung

机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； NVIDIA 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出一种学习多智能体交互中概率责任分配模型的方法，通过条件变分自动编码器的潜在空间和多智能体轨迹预测技术，实现基于场景和智能体上下文的责任分配分布学习，展示了在INTERACTION驾驶数据集上的强预测性能和可解释性。

Fairness in Multi-Agent Systems for Software Engineering: An SDLC-Oriented Rapid Review

多代理系统在软件工程中的公平性：面向软件开发生命周期的快速综述

Corey Yang-Smith, Ronnie de Souza Santos, Ahmad Abdellatif

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

AI总结 本文综述了多代理系统在软件工程中的公平性研究，分析了LLM赋能环境下的公平性框架，指出当前研究在评估实践、泛化能力及缓解机制方面存在三大不足。

Comments 8 pages, 4 figures. Accepted to the LLMTrust workshop at FSE Companion 2026

Topology Estimation for Open Multi-Agent Systems

开放多智能体系统中的拓扑估计

Nana Wang, Pelin Sekercioglu, Dimos V. Dimarogonas

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 针对动态节点集和快速切换交互的开放多智能体系统，提出基于投影的不相似性度量方法，通过局部最小二乘算子的一致性性质实现鲁棒模式聚类，从而准确估计拓扑结构。

Comments Accepted to IFAC WC 2026

Knowledge Compounding: An Empirical Economic Analysis of Self-Evolving Knowledge Wikis under the Agentic ROI Framework

知识叠加：基于代理ROI框架的自演化知识维基的实证经济分析

Shuide Wen, Beier Ku

专题命中 多智能体 ：agentic(title,abstract)；agent(abstract,comments)；multi-agent(abstract,comments)

AI总结 本文基于代理ROI框架，提出知识叠加概念，并通过实验验证其在LLM代理实证经济学中的有效性，揭示了知识叠加对经济效率的提升机制。

Comments 27 pages, 6 figures, 4 tables, 17 references. Includes empirical data from the Qing Claw open-source multi-agent framework and a 30-day calibrated projection (deterministic seed = 42, fully reproducible). JEL: C63, D24, O33, L86

MIND: AI Co-Scientist for Material Research

MIND：用于材料研究的人工智能合作者

Geonhee Ahn, Donghyun Lee, Hayoung Doo, Jonggeol Na, Hyunsoo Cho, Sookyung Kim

机构 * Institute for Multiscale Matter and Systems（多尺度物质与系统研究所） 纠错

专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 MIND提出一种基于大语言模型的框架，用于自动化验证材料研究中的假设，通过多智能体流程整合机器学习交互势能进行实验验证，并提供网页界面进行自动化假设测试。

Comments 4 pages, 3 figures. Under review for ECML PKDD 2026 Demonstration Track. Code available at https://github.com/IMMS-Ewha/MIND . Demo video available at https://youtu.be/lqiFe1OQzN4

Homotopy-Guided Potential Games for Congestion-Aware Navigation

基于同调的势游戏用于拥堵感知导航

Mohammed Irshadh Ismaaeel Sathyamangalam Imran, Lasse Peters, Michael Khayyat, Stefano Arrigoni, Francesco Braghin, Laura Ferranti

专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文提出一种结合同调方法和势游戏的多智能体路径规划框架，通过拓扑结构策略集和递推时间窗设置，提升导航效率与安全性，实验验证其在拥堵场景下的优越性。

ChatSVA: Bridging SVA Generation for Hardware Verification via Task-Specific LLMs

ChatSVA: 通过任务特定的LLM桥接SVA生成用于硬件验证

Lik Tung Fu, Jie Zhou, Shaokai Ren, Mengli Zhang, Jia Xiong, Hugo Jiang, Nan Guan, Xi Wang, Jun Yang

机构 * National ASIC Center, School of Integrated Circuits, Southeast University, China（国家集成电路中心，东南大学集成电路学院，中国） ； National Center of Technology Innovation for Electronic Design Automation, China（电子设计自动化技术创新国家中心，中国） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（计算机科学系，香港城市大学，香港，中国） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 ChatSVA利用多智能体框架生成SVA，实现98.66%的语法正确率和96.12%的功能通过率，功能覆盖率提升33.3个百分点，建立了一个在少样本、领域特定场景中解决长链推理问题的稳健框架。

Comments Accepted by DAC 2026

Neuro-Symbolic AI for Cybersecurity: State of the Art, Challenges, and Opportunities

神经符号AI在网络安全中的应用：现状、挑战与机遇

Safayat Bin Hakim, Muhammad Adil, Alvaro Velasquez, Shouhuai Xu, Houbing Herbert Song

机构 * Department of Information Systems, University of Maryland, Baltimore County（信息系统系，马里兰大学巴尔的摩分校） ； Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） ； Department of Computer Science, University of Colorado Boulder（计算机科学系，科罗拉多大学博尔德分校） ； Laboratory for Cybersecurity Dynamics, Department of Computer Science, University of Colorado Colorado Springs（网络安全动力实验室，科罗拉多大学科罗拉多斯普林斯分校） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文综述了神经符号AI在网络安全中的应用，分析了103篇文献，指出多智能体和结构化集成架构在复杂场景中表现更优，因果推理能提升防御能力，知识引导学习提高效率和可解释性，但评估标准化和人机协作仍是挑战。

AgentComm: Semantic Communication for Embodied Agents

AgentComm: 为具身智能体的语义通信

Peiwen Jiang, Yushuo Feng, Jiajia Guo, Chao-Kai Wen, Shi Jin

专题命中 多智能体 ：agent(abstract)；agentic(abstract)

AI总结 本文提出语义通信框架，通过语义处理器和重要性感知传输策略减少通信开销，实现近50%带宽节省且任务完成性能损失 negligible。

Distributed Resilient Fixed-Time Control for Cooperative Output Regulation of MASs over Directed Graphs under DoS Attacks

分布式容错固定时间控制用于有向图上多智能体系统协同输出调节

Wenji Cao, Lu Liu, Dan Zhang, Gang Feng

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出一种分布式容错固定时间控制器，用于有向图上多智能体系统在DoS攻击下的协同输出调节，无需依赖拉普拉斯对称性或强连通性，输出在固定时间内收敛至零。

C$^2$T: Captioning-Structure and LLM-Aligned Common-Sense Reward Learning for Traffic--Vehicle Coordination

C$^2$T：基于图像描述与大语言模型对齐的常识奖励学习用于交通-车辆协调

Yuyang Chen, Kaiyan Zhao, Yiming Wang, Ming Yang, Bin Rao, Zhenning Li

机构 * The State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Wuhan University（武汉大学） ； Hong Kong Polytechnic University（香港理工大学） ； Computer and Information Science, University of Macau（澳门大学计算机与信息科学） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出C2T框架，通过从交通-车辆动态中学习常识协调模型，结合大语言模型的常识知识，提升交通协调系统的效率、安全性和舒适性。

Comments Accepted to CVPR 2026 Findings Track

A framework for distributed discrete evacuation strategies

一种分布式离散疏散策略的框架

Piotr Borowiecki, Dariusz Dereniowski, Łukasz Kuszner

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究网络中的离散疏散问题，提出一种框架以构造任意图的疏散策略，证明该框架在网格网络上可达到常数竞争比的最优性能。